最小二乘问题和线性规划问题都可以看成是凸优化问题的特殊情况,但是与
最小二乘问题和线性规划问题两者不同,求解凸优化问题还不能算是一门成熟的技术。通常没有解析公式来求解凸优化问题,但是存在一些有效的算法,最典型的代表是
内点算法。如果一个实际的问题可以被表示成凸优化问题,那么我们就可以认为其能够得到很好的解决。但是往往识别一个凸优化问题比识别一个最小二乘问题要困难的多,所以需要更多的技巧。还有有的问题不是凸优化问题,但是凸优化问题同样可以在求解该问题中发挥重要的作用。比如松弛算法和拉格朗日松弛算法,将非凸的限制条件松弛为凸限制条件。
凸优化包含多个层次,比如:二次优化问题是一个最底层的优化问题,可以通过求解
线性方程来求解优化问题。而牛顿算法是上一个层次,牛顿算法可以求解
非限制问题或等式限制问题,但往往是将该问题简化为多个二次优化问题。内点算法处于最高级,可以将
非等式限制问题转化为一系列
非限制问题或等式限制问题。